讓Agent跨越“交流電時(shí)刻”

文：董指導(dǎo)

本期要點(diǎn)

大眾對(duì)AI充滿期待，但有一個(gè)趨勢(shì)是許多人并沒有意識(shí)到的：未來的電腦/手機(jī)等終端，主要使用者將不再是人類，而是Agent智能體。

開發(fā)者對(duì)AI充滿期待，但有一個(gè)狀況是許多人之前沒有想到的：開發(fā)一款Agent，并不容易。因?yàn)楫?dāng)下的開發(fā)設(shè)施、運(yùn)行環(huán)境都是為人類使用的App而設(shè)計(jì)的，并非面向Agent。

當(dāng)必然的趨勢(shì)，和必然的障礙相碰撞，就得到了一個(gè)關(guān)鍵話題：所有的應(yīng)用，都值得為Agent重做一遍；而針對(duì)Agent開發(fā)的基礎(chǔ)設(shè)施（Agent Infra），則是前置條件和增長(zhǎng)藍(lán)海。

在2025 WAIC大會(huì)期間，我聆聽了一場(chǎng)阿里云無影的主題分享，而其宣布正式商用的產(chǎn)品AgentBay，正好呼應(yīng)了上述的關(guān)鍵話題。也解答了我的疑惑：為什么Agent開發(fā)這么難？又該如何實(shí)現(xiàn)？

Agent的“交流電時(shí)刻”

新技術(shù)在誕生之初，往往會(huì)顯現(xiàn)不出其威力，被低估、甚至?xí)@得落后而被嘲諷。因?yàn)榧夹g(shù)要發(fā)揮效果，必須有與之相配的基礎(chǔ)設(shè)施。

正如19世紀(jì)八十年代的交流電。

當(dāng)時(shí)電力的使用還不算普及，主流采用的也是愛迪生推廣的直流電。但直流電的傳輸距離很短，超過1公里就會(huì)大幅損耗，要么就得密集建立發(fā)電站，這也就導(dǎo)致電力成本大幅提升，無法普及。

特斯拉發(fā)現(xiàn)的交流電，因電壓高、傳輸損耗小，正好解決了長(zhǎng)距離輸送的難題。但是，交流電卻遲遲無法被主流采用：因?yàn)椴]有與之兼容的基礎(chǔ)設(shè)施。

直到1884年，西屋電氣公司負(fù)責(zé)人看中了交流電的潛力，開始打造其專屬的基礎(chǔ)設(shè)施：建立了全球首個(gè)高壓交流輸電網(wǎng)絡(luò)，展示了40公里的傳輸能力；并批量生產(chǎn)變壓器，讓高壓電可以降低電壓，更安全地接入家庭和工廠。

與此同時(shí)，隨著交流電的效力顯現(xiàn)，也越來越多的企業(yè)愿意在應(yīng)用場(chǎng)景方面與之適配：交流電驅(qū)動(dòng)的電動(dòng)機(jī)、工業(yè)設(shè)備逐漸增加，基于交流電的家用電器也不斷涌現(xiàn)。

最終，交流電的長(zhǎng)距離傳輸，不僅擊敗了直流電成為全球電力系統(tǒng)的標(biāo)準(zhǔn)，更是加速了電力的普及，讓電力從奢侈品轉(zhuǎn)變?yōu)榈诙喂I(yè)革命的核心驅(qū)動(dòng)力。

如今，Agent也迎來了“交流電時(shí)刻”。

雖然Manus引起了不少爭(zhēng)議，但也無可辯駁地展示了Agent的魅力：多線程、自主、高效。而一個(gè)重要原因是，Agent和人類使用電腦的方式完全不同。

人類和電腦的交互依賴于視覺、觸覺和圖形界面，需要通過鼠標(biāo)點(diǎn)選、鍵盤輸入、觸屏等方式來操作；但Agent可以則依賴程序接口或底層指令，可以直接通過代碼來調(diào)用各種功能，或通過腳本來執(zhí)行任務(wù)。人類只能同時(shí)執(zhí)行幾個(gè)任務(wù)，而Agent則可以并行多個(gè)任務(wù)。

總結(jié)而言，Agent的交互是機(jī)器對(duì)機(jī)器，代碼對(duì)代碼，無需理解人類設(shè)計(jì)的界面邏輯。這種變化，就像在《黑客帝國(guó)》中，Neo突然領(lǐng)悟到所在的世界，其實(shí)就是0、1代碼，瞬間就開啟了超能力。

Manus的爆火，也展示了人們對(duì)Agent的熱情。然而，截至目前，大眾也詫異：為什么好用的Agent還沒普及。而原因正是因?yàn)椋?/p>

和Agent相配套的基礎(chǔ)設(shè)施并不完善。開發(fā)者沒有高效的工具、環(huán)境來開發(fā)，也缺少Agent運(yùn)行的環(huán)境，包括接口、任務(wù)拆解等等。

所以，Agent就像當(dāng)年的交流電一樣，雖然有著巨大的優(yōu)勢(shì)，但仍需等待專屬的基礎(chǔ)設(shè)施發(fā)展起來。

Agent大規(guī)模應(yīng)用，比“舉辦奧運(yùn)會(huì)”還復(fù)雜

就像交流電的高壓，必須能降低才可以安全使用一樣，Agent也必須有一套專屬的基礎(chǔ)設(shè)施，來確保Agent真正成為生產(chǎn)力。畢竟，當(dāng)前的Agent就像花果山的美猴王一樣，雖有本事、也能惹事。

Agent執(zhí)行任務(wù)，不是一步到位，而是步步拆解。然而，現(xiàn)有技術(shù)并不能確保每一步都是100%完美執(zhí)行，因而就存在著“錯(cuò)誤積累”的難題。假設(shè)每一個(gè)自主操作準(zhǔn)確率為99%，那么10個(gè)步驟之后，準(zhǔn)確率就僅為90%。結(jié)果缺乏可信度，自然也就無法真正使用。

穩(wěn)定性也是Agent要確保的能力。同樣一個(gè)任務(wù)，即使重復(fù)多次，都應(yīng)該能準(zhǔn)確記住用戶要求，執(zhí)行結(jié)果也應(yīng)該都符合用戶需求，而不能一次對(duì)、一次錯(cuò)。或者即使在不同電腦上執(zhí)行任務(wù)，也要能符合需求。

隨之而來的使用痛點(diǎn)就是安全性。Agent在自主執(zhí)行任務(wù)時(shí)，也許會(huì)調(diào)用本地終端上的程序、修改刪減本地文件等，但整個(gè)執(zhí)行過程就像個(gè)“黑匣子”，可能用戶壓根就不知道。這在金融、醫(yī)療等對(duì)數(shù)據(jù)安全、隱私保護(hù)要求極高的領(lǐng)域而言，完全不可接受。即使普通用戶，也會(huì)格外在意。

縱然Agent完美無瑕，安全又高效，但依然會(huì)面臨新的挑戰(zhàn)：完全通用的Agent幾乎是不可能實(shí)現(xiàn)的，未來一定是多個(gè)Agent協(xié)同作業(yè)。而且每個(gè)Agent的任務(wù)也不相同，有的要買票、有的要畫畫、有的要寫報(bào)告德、有的要點(diǎn)餐等等，不同任務(wù)需要不同的資源配置，可擴(kuò)展性、彈性，就非常關(guān)鍵。

這就像帶兵打仗一樣，有多個(gè)兵種，分別使用刀槍輥棒斧鉞鉤叉，而且兵種還會(huì)不斷增加，每位士兵都要能立刻拿到武器、沖上戰(zhàn)場(chǎng)；而當(dāng)任務(wù)完成或戰(zhàn)損后，又要盡快結(jié)算軍餉、避免吃空餉的情況，這就非常考驗(yàn)后勤保障了。

但普通的電腦，資源有限，難以支撐高算力、高并發(fā)需求。

所以，正如美猴王的成長(zhǎng)，既要學(xué)習(xí)72般變化、駕馭筋斗云等本領(lǐng)，也要有金箍棒當(dāng)工具、以及緊箍來作約束；現(xiàn)階段要確保Agent能揚(yáng)長(zhǎng)避短、發(fā)揮威力：

既要做好工具協(xié)調(diào)與集成，也要能用產(chǎn)品服務(wù)來增強(qiáng)Agent的任務(wù)規(guī)劃、長(zhǎng)期記憶、上下文持續(xù)性等能力，以及用技術(shù)約束來實(shí)現(xiàn)安全、穩(wěn)定性等要求，以及提供充足、彈性的算力。

每一項(xiàng)產(chǎn)品、服務(wù)，又都包含多個(gè)技術(shù)、指標(biāo)。比如記憶，要能跨會(huì)話存儲(chǔ)、多工具交流等；工具要滿足豐富度、數(shù)據(jù)一致性、無縫切換；上下文要求任務(wù)進(jìn)度可恢復(fù)、多輪對(duì)話連貫、實(shí)時(shí)環(huán)境感知等等。

也難怪在WAIC的論壇分享上，阿里云無影的同事表示：Agent大規(guī)模應(yīng)用所面臨的挑戰(zhàn)，其復(fù)雜度遠(yuǎn)超“舉辦一場(chǎng)奧運(yùn)會(huì)”。那么，如何會(huì)成為促進(jìn)交流電發(fā)展的西屋，打造一套降低Agent開發(fā)復(fù)雜度的基礎(chǔ)設(shè)施？

Agent基礎(chǔ)設(shè)施，帶來“拎包入住”的便利

科技界對(duì)Agent如何發(fā)展的認(rèn)知，是逐漸發(fā)展的。

最初，所有的目光都聚焦在Agent應(yīng)用上，無數(shù)創(chuàng)業(yè)者在各個(gè)場(chǎng)景、領(lǐng)域，尋找Agent的應(yīng)用機(jī)會(huì)。

過了一段時(shí)間后，大家發(fā)現(xiàn)，基于大模型的Agent雖然能力不錯(cuò)，但是許多現(xiàn)有的應(yīng)用，并不是針對(duì)Agent的，需要讓Agent可以更好地使用各類工具。于是，Anthropic發(fā)布了MCP協(xié)議（模型上下文協(xié)議），實(shí)現(xiàn)大模型與外部工具、數(shù)據(jù)源實(shí)現(xiàn)標(biāo)準(zhǔn)化通信；谷歌發(fā)布了Agent2Agent協(xié)議，實(shí)現(xiàn)不同Agent之間的通信、協(xié)作。

又過了一段時(shí)間后，大家發(fā)現(xiàn)，要讓Agent更好用，需要把更底層的能力進(jìn)行完善。

比如記憶，要有長(zhǎng)期記憶、語(yǔ)義記憶、場(chǎng)景記憶等等；多工具使用之間，數(shù)據(jù)要保持一致性；最好能跨平臺(tái)，比如手機(jī)、電腦等；安全性和一致性的要求，又決定了沙箱這種虛擬隔離環(huán)境，是必然之選；以及應(yīng)對(duì)高算力、高并發(fā)狀況等等。

這些思考，最終促成了基礎(chǔ)設(shè)施的需求，而且刻畫了其概貌：為Agent智能體設(shè)計(jì)的云基礎(chǔ)設(shè)施（AgentInfra）---將Agent接到的任務(wù)直接轉(zhuǎn)入高性能的云端環(huán)境，用沙箱構(gòu)建適合智能體工作的環(huán)境，在云端提供海量MCP工具，并提供彈性的云算力。

美國(guó)創(chuàng)業(yè)公司E2B，因其沙盒技術(shù)迅速獲得一批AI開發(fā)者客戶；而國(guó)內(nèi)阿里云無影事業(yè)部，則低調(diào)發(fā)布了無影AgentBay，解決了當(dāng)下的開發(fā)痛點(diǎn)：

目前Agent的工作無非就是系統(tǒng)層面用電腦、用手機(jī)，以及應(yīng)用層面用瀏覽器、以及寫代碼；而無影AgentBay的云上沙箱，覆蓋了上述多個(gè)主流環(huán)境，讓Agent輕松“打工”。

而且安全沙箱環(huán)境，就是一道“防火墻”，數(shù)據(jù)加密傳輸和權(quán)限嚴(yán)格隔離功能，既讓開發(fā)者放心開發(fā)、發(fā)布Agent，也讓用戶放心使用。即使Agent犯了錯(cuò)，也不會(huì)對(duì)本地環(huán)境造成侵入。

交互，一定是最在意的能力。AgentBay也提供視覺理解、自然語(yǔ)言控制、任務(wù)解析等多項(xiàng)AI技術(shù)；也支持多種交互方式，比如：

原子化工具API（拆分最小功能單元，讓開發(fā)者像使用樂高積木一樣自由搭配技術(shù)）、AI Agent API（支持智能體自主完成任務(wù)拆解、規(guī)劃）和ASP遠(yuǎn)程串流協(xié)議（實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)傳輸）等，從而精準(zhǔn)匹配不同場(chǎng)景的需求。

最后，由于用戶未來會(huì)使用多個(gè)Agent來執(zhí)行多個(gè)任務(wù)，因此，必然會(huì)有任務(wù)中斷、切換。傳統(tǒng)模式下，Agent的運(yùn)行狀態(tài)會(huì)隨著中斷而丟失，重啟時(shí)又要從零加載，浪費(fèi)資源、時(shí)間。另外，Agent在手機(jī)、電腦之間切換時(shí)，也會(huì)出現(xiàn)信息丟失的情況。

因此，無影AgentBay升級(jí)了跨平臺(tái)的數(shù)據(jù)漫游系統(tǒng)，支持狀態(tài)和內(nèi)存級(jí)別的持久化，實(shí)現(xiàn)資源按需加載、實(shí)時(shí)切換，而不用“重啟”。

這些標(biāo)準(zhǔn)化的產(chǎn)品、服務(wù)，僅需三行代碼即可接入，讓開發(fā)者們“拎包入住”，徹底告別繁瑣的安裝和配置。

尾聲：吹響節(jié)奏、拉開大幕

雖然阿里云無影啟動(dòng)Agent基礎(chǔ)設(shè)施研發(fā)的時(shí)間并不久，但多年積累的云電腦技術(shù)，順其自然地誕生了無影AgentBay。

顯然，Agent開發(fā)的門檻，不會(huì)一次性就全部拆光；這套基礎(chǔ)設(shè)施仍在發(fā)展、完善中。

但正如1890年代的尼亞加拉瀑布水電站，率先采用交流電把電力輸送到了水牛城，吹響了交流電普及的前奏。無影AgentBay的正式商用，也將拉開Agent普及的大幕。

---全文完，歡迎交流

理工/金融 復(fù)合背景

暢銷書《英偉達(dá)之道》譯者

百億私募/頭部自媒體 雙重經(jīng)歷

看清科技、商業(yè)本質(zhì)，講出精彩故事